代码收藏家技术教程 15天前

RAG优化详解：Python实现循环反馈Feedback从入门到精通

本文将介绍一种有反馈循环机制的RAG系统，让当AI学会”吃一堑长一智”，给传统RAG装了个”后悔”系统，让AI能记住哪些回答被用户点赞/拍砖，从此告别金鱼记忆：

每次回答都像在玩roguelike：失败结局会强化下次冒险

悄悄把优质问答变成新知识卡牌，实现”以战养战”

相关性评分系统堪比淘宝卖家秀：4.9分和4.8分的文档要宫斗抢C位

你会看到：

用datetime.now().isoformat()精准记录每次打脸时刻

余弦相似度计算写得比小学数学题还直白

评估系统时自带左右互搏：让AI自己当裁判比较新旧版本

效果体验：

首轮回答像直男相亲：照本宣科尬聊

二轮回答像海王撩妹：精准踩中用户high点

响应长度肉眼可见变长（像极了写论文凑字数）

我们一起把RAG改造成了会进化的数码宝贝，每次用户反馈都是它升级的徽章。从此甲方说”这个AI不够智能”时，可以把锅甩给”它还在新手村练级呢！”

why循环反馈？

动手实现

环境设置

从PDF文件中提取文本

将提取的文本分块

设置OpenAI API客户端

简单向量存储实现

创建嵌入

反馈系统功能

带有反馈意识的文档处理

基于反馈的相关性调整

使用反馈微调我们的索引

带有反馈循环的完整RAG管道

完整工作流程：从初始设置到反馈收集

评估我们的反馈循环

评估的辅助函数

作者：AI仙人掌

分享到：